[发明专利]一种基于清晰域及暗视觉的自动聚焦优化方法

说明书

本发明设计计算机视觉、自动聚焦领域，特别涉及一种基于清晰域及暗视觉的自动聚焦优化方法，包括使用TEN法对图像进行评价，并且使用ADAM算法根据当前梯度自适应的控制步长进行第一次扫描；当第一次出现电机转向时，根据TEN法对图像进行评价，得到的清晰度序列值进行高通滤波；进行第二次扫描，当电机出现第二次转向时，进行第二次高通滤波；在经过前两次滤波之后，持续扫描，直到扫描到清晰域范围内，停止扫描，使用曲线拟合的方式，拟合出峰值，得到聚焦图像；本发明与常规算法聚焦相比增加了高通滤波环节，减少了搜索时被次峰误导的情况，同时减少了非峰值区域的导数波动，使得自适应搜索算法在运行时步长噪声受影响减少。

技术领域

本发明设计计算机视觉、自动聚焦领域，特别涉及一种基于清晰域及暗视觉的自动聚焦优化方法。

背景技术

自动聚焦系统如今正在广泛应用到人类社会的各个领域，包括生物医学，公共安全，工业生产等领域。而针对移动物体的聚焦方法的重要性也体现出来，为了获得更快且更稳定的聚焦效果，人们也在不懈努力。动聚焦可以通过主动、被动来实现，主动方法包括超声波，红外线，和飞行时间类型，例如相机发出光束或声音并接收反射光束以估计相机与拍摄对象之间的距离；被动方法分为相位检测和对比度检测自动聚焦系统。前者测量两个捕获图像之间的相位差以估计焦点位置。后者测量每个帧的清晰度以找到最佳焦点位置。

现有的动聚焦方法在许多方面都取得了很好的效果，但仍存在不足，例如被动聚焦时，为了确定峰值搜索过程冗长，且对可能存在的次级峰值，会导致搜索的失败等问题。对于暗视觉图像来说，重要信息通常隐藏在图像的背景环境中，人类视觉对目标亮度变化的响应不是取决于目标的绝对亮度，而是取决于目标亮度相对于背景亮度的局部变化。图像增强的主要目的是增强暗区，提升图像的对比度，来使图像实现清晰化，满足人们肉眼观看的要求。使图像中重要的信息凸显出来，而削弱或消除人们不需要或是不关心的信息，来增大原始图像中不同物体特征之间的差异，改善人眼对原始图像的视觉效果，以便于进行后续的相关图像处理。

发明内容

针对现有技术中存在次级峰值的被动聚焦，本发明提出一种基于清晰域及暗视觉的自动聚焦优化方法，如图1，具体包括以下步骤：

使用TEN法对图像进行评价，并且使用ADAM算法控制步长进行第一次扫描；

当第一次出现电机转向时，对当前的图像清晰度函数TEN得到的清晰度值值进行高通滤波：以当前图像清晰度函数值得平均值作为阈值，对低于平均值的清晰度值进行抑制，保持高于平均值得清晰度值不变；

进行第二次扫描，当电机出现第二次转向时，进行第二次高通滤波，同样适用第一次滤波阈值，特化高数值清晰度函数值；

持续扫描，直到扫描到清晰域范围内，停止扫描，使用曲线拟合的方式，拟合出峰值，得到聚焦图像。

进一步的，图像的原始数据类型为RGB，且在进行评价之前将图像的像素值归一化到[0,1]之间。

进一步的，使用TEN法对图像进行评价包括：

其中，F_Ten为基于梯度的焦点测量值；s_x(i,j)和s_y(i,j)分别是图像f(i，j)与Sobel算子在水平和垂直方向上的卷积结果；M和N分别是图像的高度和宽度。

进一步的，使用Adam算法控制步长进行第一次扫描包括：

S1、t代表搜索步数，初始为0；

S2、引入了随机参数用于跳出局部峰值，获取第t时刻的含导参数，表示为：g_t←▽_θf_t(θ_t-1)；